Workshop Construindo Agentes de IA N8N Dúvidas sobre Embeddings e RAG (2026-03-24)
Entre para ler os trechos da transcrição de cada capítulo e perguntar ao Labinho sobre esta sessão.
O Labinho é o assistente que responde com as notas e as sessões do LabS e mostra de onde tirou cada resposta.
Notas citadas nas anotações desta sessão.
A sessão foi dedicada principalmente à revisão do exercício de RAG no n8n e à resolução de um problema ocorrido na apresentação anterior. Foram identificadas duas falhas de configuração: a seleção da coleção incorreta no banco vetorial e o carregamento simultâneo do texto completo e das páginas do documento, o que gerava embeddings duplicados. Após corrigir essas configurações, as consultas passaram a retornar respostas adequadas sem a necessidade de aumentar o número de chunks recuperados. Também foi reforçada a importância de observar os logs, revisar entradas e saídas das ferramentas e compartilhar dúvidas em canais públicos para beneficiar todo o grupo.
Em seguida, foram discutidos embeddings, busca semântica, chunking e overlap. Foi explicado que os textos e as perguntas são convertidos em vetores pelo mesmo modelo de embedding, permitindo comparar sua similaridade no banco vetorial; depois, os trechos recuperados em linguagem natural são enviados ao modelo para compor a resposta. Também se destacou que RAG não é a solução para todos os casos: agentes podem escolher entre busca vetorial, consultas SQL ou outras ferramentas, conforme a tarefa. Ficaram como pontos em aberto a validação de estratégias para evitar documentos duplicados, como uso de hashes ou limpeza de namespaces, a comparação entre OCR e leitura direta de arquivos e a gestão de arquivos com o mesmo nome. A próxima sessão ocorrerá na quinta-feira, com novos exemplos, e os participantes foram orientados a realizar o dever de casa e levar suas dúvidas.